典型文献
引入重影特征映射和通道注意力机制的手势识别算法
文献摘要：
针对轻量型目标检测网络对静态手势特征提取能力不足、错检率和漏检率高的问题,基于YOLOv4-tiny网络结构提出轻量型手势识别算法.首先引入表征力更强、成本更低的重影特征映射,增强网络获取多尺度手势特征的能力;然后嵌入通道注意力机制实现特征重标定,达到减少背景干扰的目的;最后采用Swish作为主激活函数,进一步提升手势识别准确率.在手势数据集上的实验结果表明,相比YOLOv4-tiny,所提算法具有较优的识别性能;并且对于不同环境条件下的多尺度手势,该算法能够实现精准的分类和实时的检测,对小尺度的手势具有更好的识别效果.
文献关键词：
手势识别;轻量型网络;重影特征映射;通道注意力机制
中图分类号：
作者姓名：
范晶晶;薛皓玮;吴欣鸿;王美丽
作者机构：
西北农林科技大学信息工程学院 咸阳 712100;农业农村部农业物联网重点实验室 咸阳 712100;陕西省农业信息感知与智能服务重点实验室 咸阳 712100
文献出处：
引用格式：
[1]范晶晶;薛皓玮;吴欣鸿;王美丽-.引入重影特征映射和通道注意力机制的手势识别算法)[J].计算机辅助设计与图形学学报,2022(03):403-414
A类：
重影特征映射
B类：
通道注意力机制,手势识别,识别算法,目标检测网络,特征提取能力,错检率,漏检率,YOLOv4,tiny,特征重标定,少背,背景干扰,Swish,激活函数,识别准确率,识别性,不同环境,小尺度,轻量型网络
AB值：
0.272415
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
